随着“中国制造2025”战略的深入实施,机械臂广泛应用于弧焊、喷涂和装配等任务,在工业制造、航空航天、轨道交通等领域的智能化进程中发挥着越来越重要的作用。随着生产工艺的提升,机械臂的任务变得更加复杂,同时制造业从规模化生产向用户定制、个性化生产转型,对机械臂的轨迹跟踪控制提出更高要求。在此背景下,深入探究机械臂轨迹跟踪的高精度控制,保证机械臂在不同环境、不同任务下的适应性,具有重要的现实意义。本文针对机械臂存在模型/参数不确定性和未知干扰下的机械臂轨迹跟踪问题,主要做了如下工作:针对机械臂不确定性系统,在滑模控制中存在的抖动问题,将分数阶微积分算子引入滑模面,并借助神经网络逼近器的特性,构建一种基于分数阶滑模的神经网络自适应控制方法,提高了机械臂轨迹跟踪的控制精度和响应速度,减小了系统抖动。通过分数阶滑模函数和指数趋近律获得系统控制律;运用径向基神经网络对系统扰动和建模误差等不确定项进行逼近,设计自适应律用以克服神经网络在系统补偿中的逼近误差。其中,期望角度/角速度与实际角度/角速度间的误差反馈信号作为分数阶滑模控制器和神经网络补偿器的输入,两者输出之和作为机械臂输入力矩值。仿真结果表明,相比于滑模神经网络控制器,机械臂角位移调整时间分别缩减1.5s和1.1s,位置均方根误差分别减少0.0672rad和0.0553rad,关节位置误差的离散度变小且跟踪过程更加平滑、稳定。针对机械臂动力学模型及参数的不确定性,构建了一种结合标称计算力矩控制器和变论域模糊补偿器的复合控制方案,有效提高了轨迹跟踪精度和系统鲁棒性。针对机械臂标称模型,设计计算力矩控制器;考虑系统的模型不确定性,设计变论域模糊补偿器对之进行辨识和补偿,其中伸缩因子为比例型因子,论域范围随着稳态误差减小（增大）而收缩（伸展）,提高系统的收敛速度和稳态误差精度;自适应律的设计确保变论域模糊系统在不同时刻适用于状态空间的不同区域。利用Lyapunov稳定性理论,证明机械臂控制系统在该方案下是渐近稳定的。仿真结果表明,相比于模糊补偿器,基于变论域模糊补偿的机械臂角位移调整时间分别缩短1.1s和1.2s,位置均方根误差降低0.0176 rad和0.0133 rad,有效提高系统的轨迹跟踪性能。